论文: Soft Anchor-Point Object Detection
- 论文地址：https://arxiv.org/abs/1911.12448
- 论文代码：https://github.com/xuannianz/SAPD not official
Introduction
Anchor-free检测方法分为anchor-point类别和key-point类别两种，相对于key-point类别，anchor-point类别有以下有点：1) 更简单的网络结构 2) 更快的训练和推理速度 3) 更好地利用特征金字塔 4) 更灵活的特征金字塔选择，但anchor-point类别的准确率一般比key-point类别要低，所以论文着力于研究阻碍anchor-point类别准确率的因素，提出了SAPD(Soft Anchor-Point Detecto)，主要有以下两个亮点：
- Soft-weighted anchor points。anchor-point算法在训练时一般将满足几何关系的点设置为正样本点，其损失值权重均为1，这造成定位较不准确的点偶尔分类置信度更高。实际上，不同位置的点的回归难度是不一样的，越靠近目标边缘的点的损失值权重应该越低，让网络集中于优质anchor point的学习。
- Soft-selectedpyramid levels。anchor-point算法每轮训练会选择特征金字塔的其中一层特征进行训练，其它层均忽略，这在一定程度上造成了浪费。因为其他层虽然响应不如被选择的层强，但其特征分布应该与被选择层是类似的，所以可以赋予多层不同权重同时训练。
Detection Formulation with Anchor Points
论文首先介绍了大致的anchor point目标检测方法的网络结构以及训练方法。
Network architecture
网络包含主干网络以及特征金字塔，特征金字塔每层包含一个detection head，特征金字塔层标记为\(P_l\)，\(l\)为层数，层的特征图大小为输入\(W\times H\)的\(1/s_l\)倍，\(s_l=2^l\)为stride。一般，\(l\)的范围为3到7，detection head包含分类子网和回归子网，子网均以5个\(3\times 3\)卷积层开头，然后每个位置分别预测\(K\)个分类置信度以及4个偏移值，偏移值分别为当前位置到目标边界的距离。
Supervision targets
对于目标\(B=(c, x, y, w, h)\)，中心区域为\(B_v=(c, x, y, \epsilon w, \epsilon h)\)，\(\epsilon\)为缩放因子。当目标\(B\)被赋予金字塔层\(P_l\)且anchor point \(p_{lij}\)位于\(B_v\)内时，则认为\(p_{lij}\)是正样本点，分类目标为\(c\)，回归目标为归一化的距离\(d=(d^l, d^t, d^r, d^b)\)，分别为当前位置到目标四个边界的距离：
\(z\)为归一化因子。对于负样本点，分类目标为背景(\(c=0\))，定位目标为null，不需要学习。
Loss functions
网络输出每个点\(p_{lij}\)的\(K\)维分类输出\(\hat{c}_{lij}\)以及4维位置回归输出\(\hat{d}_{lij}\)，分别使用focal loss和IoU loss进行学习：
网络整体损失为正负样本点之和除以正样本点数：
Soft Anchor-Point Detector
SAPD的核心如图3所示，分别为Soft-Weighted Anchor Points以及Soft-Selected Pyramid Levels，用于调整anchor point权重以及使用特征金字塔的多层进行训练。
Soft-Weighted Anchor Points
False attention
基于传统的训练策略，论文观察到部分anchor point输出的定位准确率较差，但是其分类置信度很高，如图4a所示，这会造成NMS过后没有保留定位最准确的预测结果。可能的原因在于，训练策略平等地对待中心区域\(B_v\)内的anchor point。实际上，离目标边界越近的点，越难回归准确的目标位置，所以应该根据位置对不同的anchor point进行损失值的加权，让网络集中于优质的anchor point的学习，而不是勉强网络将那些较难回归的点也学习好。
Our solution
为了解决上面提到的问题，论文提出soft-weighting的概念，为每个anchor point的损失值\(L_{lij}\)增加一个权重\(w_{lij}\)，权重由点位置和目标的边界决定，负样本点不参与位置回归的计算，所以直接设为1，完整的权值计算为：
\(f\)为反映点\(p_{lij}\)与目标\(B\)边界远近的函数，论文设置\(f\)为centerness函数\(f(p_{lij}, B)=[\frac{min(d^l_{lij}, d^r_{lij})min(d^t_{lij}, d^b_{lij})}{max(d^l_{lij}, d^r_{lij})max(d^t_{lij}, d^b_{lij})}]^{\eta}\)
\(\eta\)为降低的幅度，具体的效果可以看图3，经过Soft-Weighted后，anchor point的权值变成了山峰状。
Soft-Selected Pyramid Levels
Feature selection
anchor-free方法在每轮一般都会选择特征金字塔的其中一层进行训练，选择不同的层的效果完全不同。而论文通过可视化发现，不同层的激活区域实际上是类似的，如图5所示，这意味着不同层的特征可以协作预测。基于上面的发现，论文认为选择合适的金字塔层有两条准则：
选择需基于特征值，而非人工制定的规则。
允许使用多层特征对每个目标进行训练，每层需对预测结果有显著的贡献。
Our solution
为了满足上面两条准则，论文提出使用特征选择网络来预测每层对于目标的权重，整体流程如图6所示，使用RoIAlign提取每层对应区域的特征，合并后输入到特征选择网络，然后输出权重向量。效果可看图3，金字塔每层的权值的山峰形状相似，但高度不同。需要注意，特征选择网络仅在训练阶段使用。
特征选择网络的结构十分简单，如表1，与检测器一起训练，GT为one-hot向量，数值根据FSAF的最小损失值方法指定，具体可以看看之前发的关于FSAF文章。至此，目标\(B\)通过权重\(w^B_l\)与金字塔的每层进行了关联，结合前面的soft-weighting，anchor point的权值为：
完整的模型的损失为加权的anchor point损失加上特征选择网络的损失：
Experiment
各模块的对比实验。
与SOTA算法进行对比。
Conclusion
针对anchor-point检测算法的优化问题，论文提出了SAPD方法，对不同位置的anchor point使用不同的损失权重，并且对不同的特征金字塔层进行加权共同训练，去除了大部分人为制定的规则，更加遵循网络本身的权值进行训练。